广告
04/08/2021

自适应建模如何帮助零售商在复合中断时代了解他们的客户

电路板

复合中断使您的客户响应更加艰难。Covid-19的移位征地创造了意想不到的尖峰和短缺,而美国经济处于经济衰退。由于新数据隐私规则扎根,崛起的社会意识设置与消费者连接的新参数。

推动2021年及以后的增长,更多地利用机器学习,人工智能或其他数学建模技术来解决适应性建模,以解决许多挑战的企业面临。

自适应建模方法通过辨别,在线,在线进行集成模型错误,然后实时调整。自适应使用错误的序列可用。这意味着,在今天的不断颠覆性世界中,自适应建模可以识别和调整跨媒体消耗,采购行为和供应链需求的新兴数据模式。

我们并不建议您抛开历史数据。过去的性能在设置基线或启动模型时具有其位置。

通过使用由门或加权网络控制的模块化和灵活的专家混合框架,您可以进一步扩展自适应建模。每个专家都是一个具有不同系统参数实现的模型。

门控网络基于性能执行给予各个模型估计的权重的在线适应。该方法提高了估计准确性,对更改环境的响应更快,并提供数值稳定性和计算需求。反馈回路中的搜索算法可以通过创建用于使用的新的和增强的模型来定期增强这种专家的专家。

这种方法将防止您使用自适应技术和智能数据处理来应对短暂的消费者行为。一个关键是建立适当的滞后时间来辨别观察结果是“噪音”还是真正的模式。

例如,三星的“屏幕背后研究”显示,当韩国被封锁时,流媒体服务的媒体消费飙升,占所有电视时间的近60%。由于每个人都待在原地,户外媒体(OOH)变得毫无意义。

图
来源:Catalina.

但随着消费者已经开始导航“新的正常”,自适应方法可以帮助识别和调整与那些已经开始在家外活动的人进行的参与,无论是购物,旅行还是去酒吧和餐馆。例如,哦,作为更多客户前往杂货店,卷重卷土重来。

Catalina买家智能显示购物者正在制作更少的购物旅行,但花费更多。Adaptive Modeling是一个宝贵的工具,可以帮助您找到并保留当他们最喜欢的备受股票时被引入您的品牌的新买家。它还将识别可能已经误入歧途的忠诚买家。两者都要求通过媒体提供重新校准报价,买方现在正在消耗,而不是六个月前。

自适应建模也可以通知您的定价策略。忠诚的用户可能总是在x价格上购买,但如果他们失去了工作,他们现在只能愿意在X的一小部分购买它。相反,一些产品的购买转换率有所改善。例如,药店不需要将促销美元对抗锌,这是许多医生规定的补充剂,以提高免疫系统。

通过使用自适应建模,个人运动也可以更加精确。通过传播您尊重其隐私界限,不断使用您的核心客户确认您的品牌消息的真实性。还可以使用它来更加关注区域转变,无论是在大学校园附近的Covid-19秒杀还是季节性变化。

不要低估适应性建模可以在供应链和库存预测中发挥作用。由于它调整到储量后期,这成为困扰着太多库存的保障措施。自适应建模还可以针对需求的潜在飙升,因此您不会错过在未来购买产品的消费者。它甚至可以针对可能发生的购买时何时何地。

在这些复合中断的时候,与贵公司的战略目标进行调整。用它来解决您的供应链和确定如何达到特定消费者(或消费者群体)的具体问题,通过该渠道,具有创造性和信息的渠道,以及定价迅速购买和构建忠诚度。

韦斯·查尔(Wes Chaar)博士是该公司的首席数据和分析官卡特琳娜

更多关于人工智能

  • 在全渠道寻找利润

    越来越多的Omnichannel的盈利能力需要重新思考和重新处理商品和供应链操作。
    一只手拿着一个遥控器坐在笔记本电脑上
  • 星巴克增加了100万+忠诚度成员,因为它养了AI引擎

    随着忠诚度的不断增加,该公司还在名为Deep Brew的人工智能引擎上分享了更多细节。
    一个人坐在车里
  • 莎莉美丽轻拍ai加强定价策略

    Sally Beauty Holdings, Inc.正在利用人工智能(AI)为其定价、促销、降价和竞争情报提供动力。
    在商店中的展示